1.课程研发环境 项目源代码可直接在开发环境中运行和调试，也可以用着实际项目中。 开发工具：wing ide6; 开发语言：python 其他工具：Stanford NLP,Jieba,Gensim 2.内容简介 随着自然语言处理技术无处不在，成为很多项目的核心竞争力。被广泛用在语音识别，语音合成，自动分词，句法分析，语法纠错，关键词提取，文本分类/聚类，文本自动摘要，信息检索（ES,Solr），信息抽取，网络爬虫，知识图谱，机器翻译，人机对话，机器写作，情感分析，文字识别，问答系统，推荐系统，高考机器人等项目中。本教程从基础的NLP技术介绍开始，使用了现在流行的Stanford NLP（斯坦福NLP），Jieba，Gensim开发工具。首先介绍了NLP 技术的一些基础，如词性标注，分词，实体识别等，并且对一些软件包无法实现的功能，如分词分错了提供了工程的解决方案。然后介绍了机器学习算法和NLP技术结合使用，实现文本处理。本课程更加注重代码实践。   第一讲 NLP入门及概况 第二讲 NLP国内外新发展动态 第三讲 NLP如何实现人机对话，机器翻译，机器写作，情感分类，观点挖掘等 第四讲 PYTHON环境搭建之Anaconda安装 第五讲 PYTHON集成开发工具之Wing Ide安装 第六讲 PYTHON包的导入和使用，文件的读写操作 第七讲 jieba介绍，安装及在Wing Ide使用 第八讲 jieba分词、词性标注及Tokenize 第九讲 加载自定义字典 第十讲 代码和案例：新闻文本的分词 第十一讲 TF/IDF算法原理 第十二讲 代码和案例：提取任意文本关键词，过滤文本噪音 第十三讲 词性标注和实体识别的算法原理和应用场景 第十四讲 代码和案例：新闻中人名、地名、机构名自动识别与词性标记 第十五讲 Gensim介绍，下载，安装及在Wing Ide中使用 第十六讲 Gensim 基本的概念：语料、向量、模型 第十七讲 LSI算法背景，原理和应用 第十八讲 案例：基于LSI模型的文本相似度计算 第十九讲 LDA算法背景，原理和应用 第二十讲 案例：基于LDA模型的文本相似度计算               目标一. 了解Maven的环境配置以及如何在项目中进行运用管理 目标二. 了解java框架技术，熟悉SSH框架搭建的全过程 目标三. 可以让学员迅速掌握JEasyUI的API及使用技巧 目标四. 可以让学员熟练使用JEasyUI快速构通富客户端的界面及与后台服务器交互的注意事项与技巧 目标五. 通过前台和后台的分离，让学生即掌握JSP使用技巧又熟练JEasyUI的使用 目标六. 通过完整的项目实战，全面的演示了JEasyui+SSH2+Maven+MySQL技术的综合使用步骤、过程、注意事项及技巧 目标七. 通过本课程的学习，为学员以后开发使用JEasyui与后台Java框架技术结合的大型Java项目提供了完整示范，奠定基础